雷蕾 吳佳路 劉旭 江威

【摘要】 ? ?智慧燈桿是集智慧照明、視頻監(jiān)控、交通管理、無線通信等多功能于一體的公共基礎設施。無信號控制路段行人與車輛的沖突給城市交通安全帶來巨大隱患。減少無信號控制路段的交通事故，對提高城市道路安全性，構建智慧城市具有重要意義。對此，本文提出一種面向人車沖突的智慧燈桿，以無信號控制路段的過街行人和沖突車輛為研究對象，結合車輛和行人的位置識別、速度測算以及道路狀況等信息，構建了減少過街行人和車輛沖突的模型。將攝像頭、LED顯示屏、微處理器、控制器等掛載于燈桿，構成智慧燈桿系統(tǒng)。結果表明：此智慧燈桿可有效減少過街行人和車輛的沖突，提高行人和車輛的安全性。

【關鍵字】 ? ?人車沖突 ? ?智慧燈桿 ? ?位置識別 ? ?車輛測速 ? ?行人測速 ? ?交通安全

引言

5G網(wǎng)絡和智慧城市建設認為“智慧燈桿”是新基建設時代尚待發(fā)掘的金礦。隨著“5G+智慧城市”的逐步推進，智慧燈桿在城市建設中開始逐步使用。與此同時，在城市道路中，無信號控制路段作為重要的交通組成部分，對城市交通系統(tǒng)的安全運營有著重要的作用，而無信號控制路段一直都是交通事故高發(fā)地點。

在無信號控制路段，行人過街顯著受到機動車行駛的干擾。為保證行人的安全通過，同時減少車輛的延誤，相關學者對無信號控制路段人車沖突的模型、行人安全過街裝置等做出了研究。秦筱然[1]研究交叉口行人到達與通行規(guī)律，以及行人在人行橫道上的分布規(guī)律。結合機動車運行規(guī)律，給出人行橫道上任意位置的行人與機動車的沖突概率，建立了一種考慮行人過街行為與行人運行規(guī)律的無信號交叉口行人與機動車沖突概率預測模型。楊曉東[2]等研究基于信號檢測的行人過街安全裝置，在現(xiàn)有行人過街語音提示柱基礎上改進設計出一款可以檢測是否有行人通過的行人過街安全裝置。該裝置以單片機為控制核心，采用紅外感應技術，語音提示系統(tǒng)，物理閘門等，通過語音提示、物理閘門來保障行人過街的安全，降低交通事故發(fā)生的概率。李亞軍[3]對基于熱成像技術的行人過街文明禮讓預警系統(tǒng)進行系統(tǒng)研究，建立了全新的行人過街文明禮讓預警運行流程和具體適用模式，從而降低行人過街交通安全事故發(fā)生概率，提升機動車禮讓行人文明程度。

以上學者主要從人車沖突模型的建立、行人過街安全裝置等方面進行了研究，但從車輛安全速度、降低延誤等方面來解決人車沖突問題的研究則較少。筆者結合無信號控制交叉口過街行人和車輛的運動情況，同時考慮人車的安全距離，建立了人車沖突模型，得到車輛安全通行速度，并結合智慧燈桿的普及和智慧城市的建設，在解決人車沖突問題的同時，推動智慧城市的發(fā)展。

一、行人及車輛測速

1.1 ?行人檢測

目前，HOG特征結合SVM分類器被廣泛應用于圖像識別領域中。方向梯度直方圖（Histogram of Oriented Gradient， HOG）特征是一種在計算機視覺和圖像處理中用來進行物體檢測的特征描述子，通過計算和統(tǒng)計圖像局部區(qū)域的梯度直方圖來構成特征。HOG對圖像幾何和光學的形變都能保持很好的不變性，只要行人大體上能夠保持直立姿勢，可以忽略一些細微的肢體動作，檢測效果理想。支持向量機（Support Vector Machine， SVM）在機器學習中用于進行模型識別、分類以及回歸分析，在行人檢測中用來區(qū)分行人和非行人。將HOG和SVM相結合，借助OpenCV平臺，進行過街行人的檢測。

1.2 ?車輛檢測

YOLO系列算法將目標檢測轉換成回歸問題，用單一卷積神經(jīng)網(wǎng)絡結構預測邊界框和類別概率，由于速度較快，所以可實現(xiàn)實時監(jiān)測。YOLOv5能夠達到較高的準確度，同時擁有較快的處理速度，在車輛檢測的視頻測速領域能夠被較好應用。

1.3 ?運動目標的追蹤

本文對檢測到的過街行人和車輛采用卡爾曼濾波法進行追蹤?？柭鼮V波法是對數(shù)據(jù)最優(yōu)狀態(tài)的一種估計方法，它包括兩個階段：第一階段為預測階段，通過上一狀態(tài)的估計，對當前狀態(tài)進行估計。第二階段為更新階段，通過當前狀態(tài)的觀測數(shù)據(jù)，考慮環(huán)境因素的影響，來優(yōu)化預測階段的預測值，從而使預測值準確性更高。

卡爾曼濾波器的最大的優(yōu)點就是它不需要大量的歷史數(shù)據(jù)進行遞歸運算，只需要當前的測量值和上一個時刻的預測值就能夠進行狀態(tài)估計，因此計算量小，非常適合計算機處理。

除此之外，在實際工作中還需要考慮目標車輛的關聯(lián)問題，即卡爾曼濾波預測值如何與當前幀的車輛相互匹配。因此，本文采用匈牙利算法進行目標車輛的關聯(lián)。

1.4 ?運動目標的速度

追蹤到運動目標之后就可以對運動目標進行測速。

對于過街行人的速度檢測采用劃定檢測區(qū)域的方法，即在路側人行道上畫出兩條距離為d0距檢測線，每次經(jīng)過檢測線時記錄視頻幀數(shù)M1、M2，通過幀周期ΔT，計算出時間間隔Δt0，即過街行人的速度。對于車輛的速度檢測類似于上述方法。在車道上畫出兩條距離為d1的檢測線，攝像機安裝在車輛行駛的反方向，即車輛的速度。

1.5 ?測速結果

車輛測速結果如圖3所示，行人測速結果如圖4所示。

通過計算，使用上述視頻測速方法的平均相對誤差為6.89%，精度為93.11%，可以看出此視頻測速方法精度較高，滿足使用要求。

二、安全車速模型

2.1 ?車輛減速過程

基于無信號交叉口單一行人通過單車道的場景，交通參與者分別為過街行人和車輛，建立此模型。車輛在通過測速線時，如果此時人行道上剛好有行人通過，則二者的沖突可以簡化為“相遇問題”。如果車輛需要減速通過人行道，即需要讓行行人，車輛運動過程需要依次經(jīng)過駕駛員反應、制動器起作用、持續(xù)制動以及勻速通過四個階段，每個階段車輛行駛距離分別為S1、S2、S3、S4，車輛行駛時間分別為t1、t2、t3、t4。

反應階段：車輛以速度v1通過檢測器，反應時間為，反應階段為勻速直線運動，則有：

S1=v1t1

制動器起作用階段：在時間段，由于此時車輛處于各零部件調動階段，此時仍為勻速直線運動;在時間段，車輛開始產(chǎn)生制動加速度，速度下降至v2，此階段通過對加速度函數(shù)的積分，可以得到：

2.2 ?行人勻速通行

對于每個交通參與者來說，其周圍都存在一個“交通敏感區(qū)”，即當其他參與進入到該敏感區(qū)時，雙方都會產(chǎn)生壓力，從而發(fā)生交通沖突。因此車輛和過街行人之間需要一定的安全距離，使車輛能夠沿著行人的“交通敏感區(qū)”邊緣通過。

在行人與車輛的“相遇問題”中，行人和車輛通行的時間均為t=t1+t2+t3+t4，由于行人速度變化相對于車輛而言并不顯著，可以將行人的運動認為是勻速。行人步行速度為v0，同時考慮過街行人的交通敏感區(qū)，則有：

l+r=v0t

其中，l指車道邊緣到車道中心線之間的垂直距離，由實際道路測量得出。r為行人和車輛之間的安全距離。

2.3 ?車輛安全車速

2.4 ?聚群行人通行

除考慮上述單一行人過街情況之外，由于行人的從眾心理，過街行人通常會形成聚群。當行人聚群過街時，由于行人間距較小，同時，過街行人速度存在一定差異，此時對不同行人的識別和測速的難度會加大，且準確性會下降。從技術層面上考慮，為了保證聚群行人安全過街，此時顯示屏顯示“停車”字樣，車輛減速停車，待行人過街后通行。

三、 智慧燈桿設計

STC89C52單片機作為核心控制器件控制LED顯示屏。控制系統(tǒng)由微處理器與單片機協(xié)同工作共同完成。當有行人通過時，顯示屏顯示黃色的安全速度和“慢行”字樣;當沒有行人通過時，顯示屏不顯示。當有聚群行人通過時，顯示屏顯示“停車”。顯示屏示意圖6如下。

除此之外，當車輛與行人發(fā)生碰撞時，攝像頭抓拍圖片，并保留車輛特征信息。

最后，將攝像頭、LED顯示屏、微處理器、控制器等掛載于燈桿，完成智慧燈桿的設計。如圖7所示。

四、結束語

本文分別利用HOG+SVM和YOLOv5兩種目標檢測算法，對車輛和過街行人進行視頻測速，同時對于無信號控制交叉口的人車沖突提出了一種車輛安全速度模型，有效降低車輛由于沖突造成的延誤。最后將算法和模型與攝像頭、燈桿、顯示屏、控制器、微處理器等相互結合，設計了一種面向人車沖突的智慧燈桿。此智慧燈桿具有廣闊的發(fā)展前景，除了可以保證無信號控制路段行人過街的安全，減少車輛延誤，更有利于推進智慧城市的建設。

參 ?考 ?文 ?獻

[1]秦筱然.基于區(qū)域沖突概率的無信號交叉口混合交通安全評價方法研究[D].華南理工大學，2017.

[2]楊曉東，劉秀，謝思源，李國華，高志翔，雷國慶，李洪濤.基于信號檢測的行人過街安全裝置[J].山西建筑，2019，45（13）：92-93.

[3]李亞軍.行人過街文明禮讓預警系統(tǒng)研究與運用[J].遼寧警察學院學報，2020，22（01）：75-80.

[4]詹文杰，邱梓逸，蔡振雄.基于YOLOv4與光流法的行人檢測和計數(shù)方法研究[J].網(wǎng)絡安全技術與應用，2021（03）：40-41.

[5]任小康，陳鴻享.基于HOG+SVM實現(xiàn)行人檢測[J].科學技術創(chuàng)新，2021（06）：73-74.

[6]郁佳靚，王偉，陸俊鑫.淺析行人交通違法的心理因素[J].交通與運輸，2017，33（01）：73-74.